/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
mask2former · dense
Опубликована
5 янв 2023

mask2former-swin-large-mapillary-vistas-semantic

Сегментация изображенийИзображение → mask3 профессии

Крупная модель Mask2Former со Swin-backbone для сегментации дорожных сцен на изображениях Mapillary Vistas.

27 694скачиваний за 30 дней11лайковвеса обновлены11 сен 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Mask2Former — модель компьютерного зрения, разработанная командой Mask2Former и обученная для семантической сегментации изображений из набора Mapillary Vistas. Это крупная версия с backbone Swin. Архитектура предсказывает набор масок и соответствующие им классы; модель относится к семейству Mask2Former для универсальной сегментации. В метаданных указаны реализации PyTorch и safetensors.

Чекпойнт предназначен для сегментации сцен на дорожных изображениях: он размечает области изображения по семантическим классам. Подход Mask2Former также охватывает экземплярную и паноптическую сегментацию, однако карточка рекомендует этот чекпойнт для паноптической сегментации. Модель ориентирована на визуальные данные и не генерирует текстовые ответы.

В статье Mask2Former описаны многомасштабный декодер признаков с deformable attention и Transformer-декодер с masked attention; обучение использует расчёт функции потерь на подвыборке точек масок. Эти решения предназначены для повышения качества и эффективности относительно MaskFormer. Лицензия в метаданных обозначена как other, без конкретных условий в предоставленных данных.

Сценарии применения

  • семантическая сегментация дорожных сцен
  • разметка областей на изображениях улиц по классам
  • паноптическая сегментация дорожных изображений
  • анализ визуальных сцен для задач компьютерного зрения

Ограничения

Карточка указывает, что этот чекпойнт обучен на Mapillary Vistas и предназначен для паноптической сегментации; перенос качества на другие типы изображений не описан. Условия лицензии обозначены только как other.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Mask2Former

Mask2Former model trained on Mapillary Vistas semantic segmentation (large-sized version, Swin backbone). It was introduced in the paper Masked-attention Mask Transformer for Universal Image Segmentation and first released in this repository.

Disclaimer: The team releasing Mask2Former did not write a model card for this model so this model card has been written by the Hugging Face team.

Model description

Mask2Former addresses instance, semantic and panoptic segmentation with the same paradigm: by predicting a set of masks and corresponding labels. Hence, all 3 tasks are treated as if they were instance segmentation. Mask2Former outperforms the previous SOTA, MaskFormer both in terms of performance an efficiency by (i) replacing the pixel decoder with a more advanced multi-scale deformable attention Transformer, (ii) adopting a Transformer decoder with masked attention to boost performance without without introducing additional computation and (iii) improving training efficiency by calculating the loss on subsampled points instead of whole masks.

model image

Intended uses & limitations

You can use this particular checkpoint for panoptic segmentation. See the model hub to look for other fine-tuned versions on a task that interests you.

How to use

Here is how to use this model:

import requests
import torch
from PIL import Image
from transformers import AutoImageProcessor, Mask2FormerForUniversalSegmentation


# load Mask2Former fine-tuned on Mapillary Vistas semantic segmentation
processor = AutoImageProcessor.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-semantic")
model = Mask2FormerForUniversalSegmentation.from_pretrained("facebook/mask2former-swin-large-mapillary-vistas-semantic")

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(images=image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)

# model predicts class_queries_logits of shape `(batch_size, num_queries)`
# and masks_queries_logits of shape `(batch_size, num_queries, height, width)`
class_queries_logits = outputs.class_queries_logits
masks_queries_logits = outputs.masks_queries_logits

# you can pass them to processor for postprocessing
predicted_semantic_map = processor.post_process_semantic_segmentation(outputs, target_sizes=[image.size[::-1]])[0]
# we refer to the demo notebooks for visualization (see "Resources" section in the Mask2Former docs)

For more code examples, we refer to the documentation.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-segmentation

Можно запустить

Подбираем GPU…

Класс архитектуры
Mask2FormerForUniversalSegmentation
Ревизия весов
4772b6b

0 моделей